基于大数据 AI机器学习的反诈模型研究.pdfVIP

基于大数据+AI机器学习

的反诈模型研究

随着诈骗分子与反诈人员技术对抗不断升级，电信诈

0前言

骗在通信网侧的行踪已经越来越隐蔽，技术手段越来

近年来，电信诈骗严重影响了人民群众获得感、越先进，因此，反诈工作亟需提升技术水平和能力，运

幸福感、安全感。国家高度重视电信诈骗治理工作，用决策树、随机森林、贝叶斯分类器等典型的机器学

运营商作为电信诈骗整个链条中的一个环节，亦投入习算法，结合LightGBM、人工智能、大数据等先进技术

大量人力物力、技术资金等开展电信诈骗专项治理。来综合判别诈骗电话，进而对诈骗电话进行关停、溯

运营商如何利用技术手段进行反诈，一直以来都是研源和关联分析。

究重点。最初电信诈骗特征并不复杂，通过一些简单

1电话反诈需求分析

的行为分析与内容检测就可以达到不错的反诈效果。

——————————1.1电话反诈现状

收稿日期：2022-07-29随着通信技术的发展和互联网的普及，诈骗分子

频繁利用电信网和互联网对广大人民群众实施非接电话的状态，通过一键处置对涉诈电话进行关停，提

触式诈骗，并逐步呈现智能化、职业化的特点。诈骗高处置效率。

分子利用电话、改号软件、短信、恶意程序（包括仿冒b）数据源。通过各类接口技术，如FTP、SFTP、

应用）、诈骗网址、伪基站等工具疯狂作案，“话术”多XML、API、JDBC等进行各类数据的收集。

样，“套路”重重，影响面广，涉及金额巨大，成为国家c）机器建模层。通过特征筛选技术、机器学习技

和相关部委关注的重点。术对模型进行训练，对训练后的模型效果进行评估，

1.2电话反诈治理难点评估通过的模型正式上线运行，后续通过自动+人工

在通信过程中，终端会因为开关机、路由区更新、的方式不断对模型进行迭代升级来反诈新的诈骗场

呼叫业务、短消息业务触发鉴权向量消息，被叫和短景。

消息业务会触发寻呼消息，针对用户漫入漫出诈骗特d）数据接入层。对收集的数据进行规范化处理

征分析的主要方法是通过正常用户的行为建立基线，后压缩入库，通过大数据技术对入库数据进行抽取、

发现非正常终端的通联关系。但是，电话反诈存在诈清洗、转换、压缩、特征提取、数据探索等工作，为后续

骗场景多变、举报样本不纯、数据不均衡、数据表现不建模准备数据环境。

一致等治理难点。e）接口。通过运营商现有平台实现短信接口、关

停监控接口、集团接口等功能对接，实现多环节功能

2整体解决方案

自动完成。

2.1平台整体架构2.2反诈业务流程

如图1所示，从整体架构上，平台主要由5个部分2.2.1大数据采集

构成：应用展示层/系统管理/监控部分、数据源、机器大数据采集数据源包括移动网Mc接口XDR话单

建模层、数据接入层、接口。和信令话单（O域话单）以及计费话单（B域话单）。

各层功能如下。2.2.2数据预处理

a）应用展示层。提供综合展现、系统首页、检出为了